Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Modelos Probabilísticos Aplicados à Engenharia de Produção (UFSCar) Resolução dos Exercícios – Variáveis Aleatórias Discretas Prof. Filipe Santos Fernandes UNIVERSIDADE FEDERAL DE SÃO CARLOS DEPARTAMENTO DE ENGENHARIA DE PRODUÇÃO MODELOS PROBABILÍSTICOS APLICADOS A ENGENHARIA DE PRODUÇÃO Prof. Filipe Santos Fernandes Resolução da Lista de Exercícios – Variáveis Aleatórias Discretas Questão 01. a) Seja o número de peças defeituosas. Queremos calcular a probabilidade de uma amostra de 20 peças conter exatamente 5 defeituosas. Note que segue distribuição binomial, com e . b) Queremos calcular a probabilidade da 10ª peça ser a primeira defeituosa. Note que estamos trabalhando com uma variável aleatória , que segue distribuição geométrica com e . Questão 02. a) Note que queremos que 6 alvos sejam atingidos, sendo esse objetivo alcançado na 10ª tentativa. Sendo assim, estamos trabalhando com uma variável que segue distribuição binomial negativa, com e e . b) Neste caso, o objetivo – acertar 6 alvos – não precisa ser atingido na 10ª tentativa. Assim, em 10 tentativas, basta que acerte 6, em qualquer ordem. Temos, pois, uma variável de distribuição binomial, com e . Questão 03. Inicialmente, note que a probabilidade de um peixe ser especial, dado o total de peixes do lago, é igual a . Serão pescados 60 peixes e queremos que 5 deles sejam especiais. a) Se os peixes são colocados novamente no lado, há reposição e, portanto, estamos trabalhando com uma variável aleatória que segue distribuição binomial, com parâmetros e . 2 Modelos Probabilísticos Aplicados à Engenharia de Produção (UFSCar) Resolução dos Exercícios – Variáveis Aleatórias Discretas Prof. Filipe Santos Fernandes b) Se os peixes não são colocados novamente no lado, não há reposição e, portanto, estamos trabalhando com uma variável aleatória que segue distribuição hipergeométrica, com parâmetros , e . Questão 04. a) A função distribuição de probabilidade será dada pela tabela: 5% 10% 20% 30% 1/2 1/6 1/6 1/6 b) c) Queremos calcular a probabilidade de, num grupo de 5 clientes, pelo menos um conseguir desconto maior que 10%. Assim, temos uma variável aleatória , com distribuição binomial, com . d) Queremos a probabilidade de o quarto cliente ser o primeiro a conseguir 30% de desconto. Assim, temos uma distribuição geométrica, com e . Questão 05. Note, inicialmente, que o problema trata de uma distribuição de Poisson, de parâmetro acidentes/100 km. a) Queremos calcular a probabilidade de , isto é, de acontecerem pelo menos 3 acidentes em 250 km. Como há modificação na quilometragem inicial, devemos recalcular o . acidentes/250 km Assim, temos: b) Queremos calcular a probabilidade de , isto é, de acontecerem exatamente 5 acidentes em 300 km. Recalculando : acidentes/300 km Assim, temos: 3 Modelos Probabilísticos Aplicados à Engenharia de Produção (UFSCar) Resolução dos Exercícios – Variáveis Aleatórias Discretas Prof. Filipe Santos Fernandes Questão 06. Se 1 a cada 10 artigos é defeituoso, sabemos que (defeituoso) . Como a amostra de quatro artigos é retida com reposição, temos uma distribuição binomial, com e . a) Queremos que nenhum item seja defeituoso. Assim: b) Queremos que na amostra de quatro peças pelo menos duas sejam defeituosas. Assim: c) Queremos que na amostra de quatro peças exatamente uma seja defeituosa. Assim: Questão 07. Note que podemos pensar a amostra de 18 peças que entram em uma caixa como uma amostra de uma população suficientemente grande, de tal modo que os sorteios das peças que entram numa caixa podem ser considerados experimentos independentes de Bernoulli. Assim, se = número de peças defeituosas em uma caixa, resulta que pode ser trabalhada como uma distribuição binomial. Para que a caixa satisfaça a garantia, o número de peças defeituosas deve ser menor ou igual a dois. Assim: Questão 08. Note que, como não sabemos o número de funcionários, podemos supor que 10 funcionários é um número pequeno em relação a um total suficientemente grande. Sendo assim, definimos uma variável aleatória número de funcionários que aumentam a produtividade segue distribuição binomial, com e . 4 Modelos Probabilísticos Aplicados à Engenharia de Produção (UFSCar) Resolução dos Exercícios – Variáveis Aleatórias Discretas Prof. Filipe Santos Fernandes a) Queremos a probabilidade de exatamente 7 funcionários aumentarem a produtividade. Temos: b) Queremos a probabilidade de pelo menos 3 funcionários não aumentarem a produtividade. Note que isso é o mesmo que dizer que não mais que 7 funcionários (ou, no máximo 7 funcionários) aumentaram a produtividade. Assim: c) Queremos a probabilidade de não mais que 8 funcionários aumentarem a produtividade. Questão 09. Queremos calcular a probabilidade de, em um dia, enviar petroleiros para outro porto. Sabemos que nossa variável número de petroleiros diários segue distribuição de Poisson, com . Questão 10. Note que, para ganhar uma série de 8 partidas, ele terá que vencer pelo menos 5 delas. Temos, assim, uma variável que representa o número de vitórias de e que segue uma distribuição binomial, com e . Questão 11. Note que a ocorrência de 5 sucessos antes de 3 fracassos só é possível se nas 7 primeiras repetições tivermos pelo menos 5 sucessos. Assim, definimos uma variável que representa o número de sucessos e que segue uma distribuição binomial, com e (é lançada uma moeda!). 5 Modelos Probabilísticos Aplicados à Engenharia de Produção (UFSCar) Resolução dos Exercícios – VariáveisAleatórias Discretas Prof. Filipe Santos Fernandes Questão 12. Note que, para que o caçador seja multado, pelo menos uma das aves raras deve ser selecionada pelos fiscais. Manoel retira três espécimes da bolsa, sendo a probabilidade calculada segundo uma distribuição hipergeométrica (pois não acontece reposição). No caso de Pedro, a probabilidade segue uma distribuição binomial (pois há reposição). Seja a variável o número de animais raros selecionados para Manoel. Temos , e . Seja a variável o número de animais raros selecionados para Manoel. Temos , . Comparando os resultados, percebemos que a probabilidade do fiscal Pedro selecionar uma ave rara é menor que a probabilidade de Manoel selecionar uma ave desse tipo, já que . Portanto, o fiscal Pedro é mais favorável ao caçador. Questão 13. Estamos trabalhando com uma variável que segue distribuição de Poisson, com chamadas/minuto. A probabilidade de não receber nenhuma chamada em um minuto é dada por: A probabilidade de receber no máximo duas chamadas em dois minutos requer que alteremos o . Assim: chamadas/2 minutos 6 Modelos Probabilísticos Aplicados à Engenharia de Produção (UFSCar) Resolução dos Exercícios – Variáveis Aleatórias Discretas Prof. Filipe Santos Fernandes Questão 14. Sabemos que a probabilidade com que sua chamada para uma linha de serviço seja respondida em menos de 30 segundos é de 0,75. a) Neste item estamos trabalhando com uma distribuição binomial, com e . b) Agora, e . c) chamadas. d) Queremos a probabilidade de você ter de chamar quatro vezes para obter a primeira resposta em menos de 30 segundos. Note que, agora, temos uma variável com distribuição geométrica. e) chamadas. d) Queremos a probabilidade de você ter de chamar seis vezes de modo que duas de suas chamadas sejam respondidas em menos de 30 segundos. Note que estamos com uma variável com distribuição binomial negativa, com e . e) chamadas. Questão 15. a) Para um equipamento produzido, a distribuição será: Nível I – Lucro de R$ 10,00 (as duas peças devem ser de qualidade inferior): Nível II – Lucro de R$ 20,00 (apenas uma com qualidade inferior): Nível III – Lucro de R$ 30,00 (as duas peças com qualidade): 7 Modelos Probabilísticos Aplicados à Engenharia de Produção (UFSCar) Resolução dos Exercícios – Variáveis Aleatórias Discretas Prof. Filipe Santos Fernandes Assim, a tabela será: 10 20 30 0,015 0,22 0,765 b) Para dois equipamentos produzidos, podemos ter uma combinação dos níveis, ou seja: Combinação Lucro Probabilidade I e I I e II I e III II e I II e II II e III III e I III e II III e III Como a variável em estudo é o lucro, organizando os valores encontramos a seguinte tabela de distribuição: 20 30 40 50 60 0,000225 0,0066 0,02295 0,3366 0,585225 c) Queremos a probabilidade de pelo menos R$ 30,00 de lucro para duas peças produzidas. Observando a tabela do item (b), temos:
Compartilhar